ارزیابی عملکرد روش ANFIS و مدل درختی M5 در مدل سازی ضریب دبی سرریز کرامپ

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

2 گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد اهر، اهر، ایران

چکیده

در این تحقیق برای ارزیابی عملکرد روش سیستم استنتاج فازی- عصبی تلفیقی (ANFIS) و مدل درختی M5 در مدل­سازی ضریب دبی جریان سرریز کرامپ از داده‌های آزمایشگاهی استفاده گردید. نتایج 174 دسته داده حاصل از آزمایش انجام‌گرفته با مدل فیزیکی، در 16 سناریو با ترکیب‌ پارامترهای ورودی مختلف و با استفاده از مدل درختی M5 و روش ANFISجهت برآورد ضریب دبی جریان سرریز کرامپ به عنوان پارامتر خروجی مورد استفاده قرار گرفت. داده­های آزمایشگاهی موجود در چهار مرحله جهت آموزش درصد باقی مانده جهت آزمون استفاده شد. نتایج به دست آمده از تحقیق نشان داد هر دو روش، نتایج تقریباً نزدیک به هم در سناریوهای با تقسیم بندی‌های یکسان داده‌های آموزش و آزمون ارائه می‌دهند. بهترین سناریوی (سناریو 12) روش ANFIS با 70 درصد داده‌های آزمایشگاهی برای آموزش و 30 درصد دیگر برای آزمون، با بیش‌ترین ضریب تبیین و کمترین خطای محاسبه گردید. همچنین بهترین سناریوی (سناریو 1) مدل درختی M5 با 75 درصد داده‌های آزمایشگاهی برای آموزش و 25 درصد برای آزمون با بیش‌ترین ضریب تبیین و کمترین خطای محاسبه گردید. نتایج بدست آمده نشان داد، در محدوده داده‌های مورد استفاده در این تحقیق، گرچه روش ANFIS عملکرد بهتری در برآورد ضریب دبی جریان سرریز کرامپ دارد ولی مدل درختی M5 روابط خطی ساده، کاربردی و قابل فهم تری ارائه می کند.

کلیدواژه‌ها


عنوان مقاله [English]

Performance Evaluation of ANFIS and M5 Tree Models in Crump Weir Discharge Coefficient Modeling

نویسندگان [English]

  • M. Sattari 1
  • Farzin Salmasi 1
  • Gh. Torkaman 2
1 Department of Water Engineering, Faculty of Agriculture, Tabriz University, Tabriz, Iran
2 Department of Civil Engineering, Faculty of Engineering, Islamic Azad University of Ahar Branch, Ahar, Iran
چکیده [English]

Crump weir is a kind of short edged weir. This weir with its particular design is used to measure the flow discharge in channels. The experimental dataset used in this research are taken from the others to study the performance of ANFIS and M5 tree models for predicting discharge coefficient (Cd) in crump weir. The 174 experimental data from physical models, considered as 16 scenarios with input parameters consist of Fr, Re, h1/p, Sup and Sdo; and Cd as output using for M5 tree model and ANFIS for modeling and evaluation of the coefficient of crump weir. The obtained results show that both methods give almost near results in scenarios with equal training and testing dataset. The best scenario in ANFIS model achieved for randomized dataset with 70% of training and 30% of testing as scenario 12 with the highest correlation coefficient (R=0.988) and the lowest error (RMSE=0.069). Also the best scenario of M5 tree model for randomized data with 75% of training and 25% of testing as scenario 1 with highest correlation coefficient (R=0.988) and lowest error (RMSE=0.007) was calculated. The results suggest a better performance by the ANFIS approach with this dataset, but M5 model trees, provides simple linear relations for prediction of discharge coefficient for the data ranges used in this study.

کلیدواژه‌ها [English]

  • Discharge Coefficient
  • Crump Weir
  • Adaptive Neuro–Fuzzy Inference System
  • M5 Tree Model